基于最优编码集及智能状态估计的电网故障诊断方法

当电网发生故障时,大量的遥信告警和变位信息上传到调度端,使得调度人员很难在短时间内对故障设备及故障类型做出准确的判断。因此提出了利用分组遥信数据识别故障类型,利用人工智能方法纠正差错遥信的电网故障诊断方法。对于此,将各种设备的标准遥信数据映射到故障诊断空间中,求取最优编码集,把故障遥信的故障空间编码值和故障空间最优编码值进行比较归类,查找故障类型,实现电网的故障诊断。通过不同故障模式的远程变位信号数据,利用站内丢失遥信事件的历史数据样本,训练智能状态估计模型。对遥信误变位或漏传数据进行纠正,实现遥信数据的前端数据纠错,提高故障诊断正确率,最终形成具有纠错能力、适用于大数据平台应用的电网故障智能诊断方法。通过案例仿真验证和实际大数据平台挂网运行,验证了智能状态估计模型和故障诊断模型对电网故障元件诊断的有效性。     

基于多源数据及多维故障诊断空间的快速智能电网故障诊断方案

针对目前的电网故障诊断算法难以兼顾实时性和全面性,导致其无法满足调度实用化需求的问题,提出一种利用多源数据进行故障诊断的快速智能诊断方案。首先通过故障编码技术将遥信数据映射到故障诊断空间,形成故障编码集;然后针对仅用开关量数据的缺陷,提出利用广域量测系统（WAMS）中的电气量信息对故障编码进行修正和补充。接着将带标签的故障编码输入概率神经网络（PNN）进行训练,构造PNN分类模型。最后通过构造故障分析模块对保护和断路器误动、拒动情况进行分析,形成综合智能诊断模型。算例分析表明,该方法正确可行,可满足调度实用化要求。     

基于多源数据融合的Alexnet神经网络大电网故障诊断

针对电网在台风、冰冻等极端条件下发生故障的诊断问题,提出利用标准遥信及广域测量系统(wide area measurement system,WAMS)数据训练Alexnet模型,并应用于电网故障诊断的方案。首先利用标准故障遥信信息和WAMS数据构造Alexnet的输入图片矩阵,对Alexnet进行训练。然后对Alexnet输入图片高维特征提取方法进行分析,提出构造最优分布结构的输入图片矩阵方法,并形成故障诊断模型。最后以海南岛电网遭受台风袭击为场景,搭建仿真模型对Alexnet故障诊断模型进行验证。     

城市110 kV电网故障元件的快速识别

提出了一种110kV城市电网及变电站故障元件的在线识别算法。考虑到城网自动化配置的特点,该算法采用左于逻辑算法的拓扑关联法,首先由实时开关量信息形成网络拓扑结构,搜索停电区域,然后根据保护动作信息进一步判断故障元件,并利用在线遥信遥测信息进行校验,快速有效地进行电网实时故障诊断。该算法速度快,结果可靠,对110kV系统具有通用性。利用该算法进行故障诊断,可诊断到变电站10kV出线。它能够有效地帮助运行人员迅速正确地识别故障元件和误动、拒动的开关,满足110kV中小型城网集控中心在线运行的要求。     

基于数据校核与图卷积神经网络的高容错配电网故障诊断方法

目前运用配电网中的多源故障遥信数据对配电网故障进行诊断的技术逐渐火热,但由于信息的误报、漏报使得诊断结果往往不尽如人意。针对配电网多源故障信息不健全的问题,本文提出了一种将数据校核操作与图卷积神经网络相结合的高容错性配电网故障诊断方法,旨在利用不健全故障信息对配电网进行故障诊断。首先,将多源故障遥信数据作归一化处理后再进行数据校核,从源头改善数据的不健全性;接着,根据配电网图模将多源故障数据转化为故障图数据;最后,将故障图数据送入图卷积神经网络进行学习训练,训练完毕的模型在部署后可实现对配电网的故障诊断。在Python 3.7平台进行实验,通过算例分析证明本文所提方法可有效提高配电网故障诊断的容错性。     

人工智能在电网故障诊断中的应用

本文提出结合运用BP神经网络和GRNN神经网络建立的故障诊断模型与模糊决策技术的电网故障诊断方法。首先,该方法对电网的三类主要元件(变压器、线路和母线)分别建立神经网络模型。其次,该方法中元件的神经网络基于电力系统中继电保护装置信息和断路器的状态信息进行初步诊断。神经网络模型中BP神经网络负责将该元件的状态和信息进行预处理和判断,将结果反馈给广义回归神经网络GRNN;GRNN神经网络负责在发生故障以及电网拓扑结构发生变化的情况下准确找到故障源。最后,专家系统根据得到的初步诊断信息运用模糊决策技术进行综合诊断。经本文分析及测试,该方法能够有效的提高运行人员故障处理效率,提高电力系统供电的可靠性和安全性。     

基于BP网络算法优化粗糙-Petri网的电网故障诊断

为了使电网故障诊断的过程更简洁、快速和直观,提出了一种基于BP网络算法优化粗糙-Petri网的电网故障诊断方法。首先用粗糙集理论对电网的故障征兆数据进行处理,从冗余的故障信息中约简出最小决策表;然后基于得到的最小决策表提取诊断规则并建立最优的 Petri 网模型,利用 Petri 网处理并行推理的能力来实现高效的电网故障诊断。其中引入神经网络中的BP算法对电网故障诊断Petri 网模型的权值参数进行网络优化训练。电网实例分析结果表明该模型能准确找到故障区域,具有较好的快速性、自适应性和一定的容错性。     

基于自适应加权模糊Petri网的电网故障诊断研究

本文针对电网故障诊断中存在的保护和断路器拒动误动以及故障信息丢失的情况,给出基于加权模糊Petri网(WFPN)的故障诊断方法。考虑到故障诊断模型中权值设定完全依赖于专家经验的问题,设计具有学习能力的加权模糊Petri网,建立电网元件的WFPN故障诊断模型,并利用粒子群算法对权值进行学习实现权值自适应,最后利用故障诊断模型进行故障案例的仿真分析,并与基于加权模糊Petri网的诊断方法相比证明所提出方法具有较好的诊断可信度。     

基于时序贝叶斯知识库的电网故障诊断软件原型系统设计

为了在故障后辅助调度员准确定位故障元件,揭示故障发展过程,文中利用时序信息设计了一种基于时序贝叶斯知识库(TBKB)电网故障诊断方法的原型系统。该诊断方法利用元件故障与保护动作、保护动作与相应断路器跳闸等之间的因果关系与时序关系,建立电网故障诊断模型,通过时序约束一致性检查方法,检查保护、断路器动作的时序。针对信息缺失情况进行状态假设,形成假设状态组合。通过贝叶斯推理,判断故障元件、误动与拒动的保护与断路器。根据此原理设计的原型系统,包括数据获取、TBKB模型建立、故障诊断推理、分层因果图显示等模块,给出了TBKB诊断模型自动生成、诊断算法实现、分层因果图的构造与显示等关键技术的实现。该原型系统为电网故障诊断的工程应用提供了参考。     

一种用于电网故障诊断的遥信信息解析方法

电网在线故障诊断基于调度自动化平台的遥信信息构建模型,建模过程复杂,维护工作繁重,是制约故障诊断系统在线应用的重要问题。结合调度自动化系统获得遥信信息的特点,提出一种采用语义分析技术的电网遥信信息解析方法。通过字符分解自动提取遥信信息中诊断模型所需基本逻辑变量;基于结线分析建立电气设备与断路器的关联,以及遥信信息间的关联关系,并将其一一对应到解析系;在此基础上,根据保护跳闸原则与保护类型和属性完成模型的解析规则中,实现遥信信息到诊断模型的自动映射,简化了建模工作。最后用某地区电网实际发生的故障案例验证了所提出方法在电网故障诊断方面的有效性和实用性。     

基于规则式的多重故障诊断及最优送电路径策略

为了提高电网多重故障诊断的准确性,提出一种基于多系统数据信息融合的故障诊断算法。通过对故障全过程的数据特征进行分析,以故障数据与电网结构图为基础对一次设备进行建模,形成断路器、线路、母线、主变诊断模型。对来自不同信息源(SCADA、保信系统、录波联网系统)的数据进行统一处理,形成故障全过程智能诊断数据源,并以此为基础进行深度数据融合,提升信息的质量。充分利用故障后的断路器状态和电气量信息,对故障进行精确诊断,确定故障区域,然后,采用基于规则式的故障恢复路径算法,给出快速恢复供电的最优的路径。该系统运行情况表明,所提出的方法具有较强的实用性。     

基于多源数据的电力系统故障全信息诊断模型

随着电力系统信息技术的广泛应用,利用多源数据进行故障诊断成为可能。目前,基于多源数据进行故障诊断仅将故障数据划分为开关量和电气量,没有考虑不同数据之间存在的差异。针对这个问题将故障数据细分为3种类型,根据3类数据的特征提出一种基于多源数据的电力系统故障全信息模型,包括利用实时性较强数据实现快速故障诊断的模块和利用全信息数据进行综合故障处理的模块。通过PSCAD和Matlab进行联合仿真,验证模型的可行性。     

基于故障可观性的输电线路故障定位方法

广泛研究的基于WAMS的故障定位算法都基于理想化的量测条件,这使得它们在实际应用中受到限制。为了使电网在信息不全条件下(如极端气候、通信故障等)提供可靠的故障定位方案,提出了一种基于故障可观性的输电线路故障定位方法。该方法采用分布参数输电线路模型,可以更准确地考虑分布电容电流对故障定位精度的影响;算法性能优异,且不受故障初始相位角、负荷及故障路径阻抗的影响;仅需要相量测量单元(PMU)的暂态数据信号,无需系统阻抗等其他信息;算法没有迭代过程,计算速度快。诸多仿真分析验证了该方法的有效性和鲁棒性。     

基于参数识别光伏接入配网永久性故障判别方法

为了解决光伏系统接入配电网前加速自动重合闸重合于永久性故障的问题,提出了适用于光伏接入配电网的三相重合闸永久性故障判别方法。该方法以线路瞬时性故障为参考模型,通过建立线路故障线模分量数学模型,采用最小二乘算法识别线路相间电容,根据相间电容识别误差大小建立了永久性故障识别判据。当线路发生瞬时性故障时,识别值与实际值接近;而当线路发生永久性故障时,识别值与真实值差异较大。通过在PSCAD下建立仿真模型,对光伏接入配电网线路发生瞬时性故障和永久性故障进行仿真。仿真结果表明,该方法能够正确识别光伏接入配电网线路的故障类型,从而验证了该方法的正确性与有效性。     

基于高频测试信号注入的配电网故障节点在线识别方法

为准确识别带电网络中的故障,提出了一种适用于多层复杂配电网故障节点的在线识别和定位方法。该方法将高频测试信号注入电网,通过智能电表向中心单元提供的电网信息获取阻抗参数,并根据阻抗特性和电网高频测试信号下的响应结果检测是否存在故障节点。采用该方法对45节点三层配电网进行多种条件下仿真,接着对8节点低压网络模型进行测试,讨论模数转换分辨率和测量误差公差对检测精度的影响。仿真和测试的结果发现,故障节点处高频接收信号电压与估计电压差值最大,表明该方法能够准确识别配电网中的故障节点。     

PSO改进RBPNN在变压器故障诊断中的应用

针对概率神经网络(PNN)及遗传算法(GA)在变压器内部故障诊断中存在的不足,提出了一种基于粒子群算法(PSO)改进径向基概率神经网络(RBPNN)的故障诊断方法。首先,引入RBPNN,选取反向传播作为学习算法以及油中溶解气体含量比值作为故障特征量。然后,由于该模型受网络结构和初值影响较大,故拟用GA、PSO和改进的PSO对网络优化并测试。通过对比分析,得出改进的PSO在确定拓扑结构、降低误差精度、加快收敛速度和提高预测准确度上更占优势的结论,同时证明了所提方法在故障诊断中的正确性和可行性。     

基于有限PMU的电网故障在线识别算法研究

为了实现有限PMU布局方式下的快速有效电网故障检测,研究了电网故障线路在线识别算法。根据PMU布局将电网划分为多个区域。分析了故障发生时流入故障区域的正序、负序和零序电流明显增大的特性,研究了基于边界PMU的故障区域搜索方法。基于虚拟节点构建了纯故障等值模型及其故障分量电压方程。利用一个区域的各边界节点电气量,构造故障分量电压的超定方程组,采用最小二乘法求解故障线路的故障点位置,准确检测故障区域内的故障线路。IEEE14节点系统上大量仿真实验验证了该算法的有效性,它不受故障位置、故障类型、过渡电阻的影响。仿真实验也表明了采用最小二乘法求解的故障点精度能够满足要求。     

基于告警时序的输电设备故障定位方法的研究

电网故障设备定位如果只依靠静态告警信息,不能计入告警后续信息,则会导致电网故障设备定位精度低和出现多解的问题,因此考虑了告警的动态时序性。基于告警时序信息,定义了故障设备状态时序矩阵、告警时序矩阵、断路器时序矩阵、主保护时序矩阵、近后备保护时序矩阵和远后备保护时序矩阵以及矩阵中元素的建立方法。同时为了求解期望值,定义了断路器期望时序矩阵、主保护期望时序矩阵、近后备保护期望时序矩阵和远后备保护期望时序矩阵。为了形成期望值矩阵,又定义了设备-主保护关联矩阵、设备-近后备保护关联矩阵和设备-远后备保护关联矩阵。基于SCADA和WAMS的开关和保护信息,构建了故障设备定位的时序目标函数。以设备状态的时序矩阵元素为待求解的状态量,利用改进的免疫遗传算法作为求解时序目标函数的方法。这样求解的设备状态不仅包含设备故障与否的状态,还包括设备故障时间。特别是对于电网中有多个设备不同时间动作的情况,可以清晰识别。同时对免疫遗传算法进行改进,形成了基于记忆的免疫遗传算法,解决了动态告警信息被忽略的问题,提高了故障设备定位的速度和精度。     

永磁直驱机组叶轮质量不平衡故障建模及仿真研究

针对风力机叶轮质量不平衡故障对风电机组安全稳定运行的严重影响问题,在对该故障形成机理简要阐述后,理论推导了该故障对永磁同步发电机转速及电磁功率造成的影响。利用Matlab/Simulink建立在该故障状态下包含风力机、传动部件及发电机的风机模型,从定量角度设置不同的仿真算例,分析电机转速和电磁功率信号时域及频谱曲线特征及变化。分析结果显示其包含电机旋转的一倍频分量和二倍频分量,且随着不平衡质量的增大而增大。在湍流风速条件下,电机旋转及电磁功率频谱在低频段呈现连续尖峰。该方法可以应用到直驱风电机组故障诊断系统中质量不平衡故障的判别和不平衡质量的确定。